Evaluación hidrológica con uso de redes neuronales artificiales para el cálculo de hidrogramas en la cuenca alta del Huallaga

• Autores: Vera Corilloclla, Eduardo, Vargas Valerio , Giancarlo Anthony
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/671144
• Enlace del recurso: http://hdl.handle.net/10757/671144
• Nivel de acceso: acceso abierto
• Materia: Cuencas; Inundaciones; Hidrograma; Redes neuronales; MLP; Basins; Floods; Hydrograph; Neural networks; https://purl.org/pe-repo/ocde/ford#2.01.01; https://purl.org/pe-repo/ocde/ford#2.00.00

El proyecto se ha ejecutado en la cuenca de alta del Huallaga, la cual se aproxima mediante un método de redes neuronales, dado que tiene antecedentes de acumular grandes cantidades de precipitación y caudales, los cuales generan hidrogramas de salida con bastante caudal, dejando a las quebradas por donde pasan en estado de colapso parcial, esto ha generado problemas en la población, la cual busca alguna solución rápida, y un método de detección de inundaciones se puede realizar por medio de un análisis hidrológico convencional, sin embargo el cálculo de inundaciones suele demorar bastante tiempo, respecto del tiempo de reacción que se tienen ante una emergencia, ahí es donde se propone un método de redes neuronales , la cual puede realizar este procedimiento de manera rápida, sin considerar errores grandes, para el proyecto se ha modelado la cuenca alta del Huallaga un número total de 250 veces, generando un dataset de entrenamiento, el cual consistía en una relación entre el hietograma de entrada y un hidrograma de salida, el cual por medio de una regresión podría aproximar de manera directa el resultado, dado que ya había realizado entrenamientos de los caudales generados para lluvias de poca, mediana y fuerte intensidad, el error logrado es de 8.17%, habiendo sido entrenado para un total de 2000 iteraciones, considerando una métrica de error de mse, con un optimizador Adam y una arquitectura del tipo MLP, logrando finalmente extrapolar los valores de hidrogramas para la salida de la cuenca.